由于技术的发展，气象学作为一门科学正在进步。 目前，有几种计算机程序能够直接预测下雨的时间和地点。 该公司 DeepMind 开发了一种人工智能，能够几乎准确地预测下雨的时间和地点。 该公司与英国气象学家合作创建了一个模型，该模型比当前系统更适合进行短期预测。
在这篇文章中，我们将告诉您关于 Robleda 包的所有信息，Robleda 包是 DeepMind 公司的气象预测技术。
天气预报
DeepMind，一家总部位于伦敦的人工智能公司，继续他的职业生涯，将深度学习应用于困难的科学问题。 DeepMind 与英国国家气象局的 Met Office 合作开发了一种名为 DGMR 的深度学习工具，可以准确预测未来 90 分钟内下雨的概率。 这是天气预报中最困难的挑战之一。
与现有工具相比，数十位专家认为 DGMR 的预测在几个因素上是最好的，包括对降雨的位置、范围、运动和强度的预测，占 89% 的时间。 DeepMind 的新工具打开了科学家几十年来一直试图解决的生物学新钥匙。
然而，即使是预测的微小改进也很重要。 从户外活动到航空服务和紧急情况，预测降雨量，尤其是大雨，对许多行业都至关重要。 但是做对是困难的。 确定天空中有多少水以及它将在何时何地落下取决于许多气候过程， 如温度变化、云的形成和风。 所有这些因素本身都足够复杂，但当它们结合起来时会更加复杂。
最好的可用预测技术使用了大量的大气物理计算机模拟。 这些适用于长期预测，但它们不太擅长预测下一小时会发生什么。 这称为即时预测。
DeepMind 开发
以前的深度学习技术已经开发出来，但这些技术通常在一个方面工作得很好，比如预测位置，而以牺牲另一个方面为代价，比如预测力。 有助于预测立即降雨的大雨雷达数据仍然是气象学家面临的巨大挑战。
DeepMind 团队使用雷达数据来训练他们的 AI。 许多国家和地区经常发布全天跟踪云形成和移动的雷达测量快照。 例如，在英国，每五分钟发布一次新读数。 通过将这些快照放在一起，您可以获得最新的定格视频，显示一个国家的降雨模式如何变化。
研究人员将这些数据发送到类似于 GAN 的深度生成网络，这是一种经过训练的 AI，可以生成与训练中使用的实际数据非常相似的新数据样本。 GAN 已被用于生成假人脸，包括假伦勃朗。 在这种情况下，DGMR（代表“生成深雨模型”）已经学会了生成继续实际测量序列的虚假雷达快照。
DeepMind 人工智能实验
在 DeepMind 领导这项研究的 Shakir Mohamed 说，这就像看电影中的几帧并猜测接下来会发生什么一样。 为了测试这种方法，该团队请气象局的 56 名气象学家（他们没有参与这项工作）深入研究更先进的物理模拟和一组对手。
89% 的人表示他们更喜欢 DGMR 给出的结果。 机器学习算法通常会尝试优化以简单衡量您的预测效果。 然而，天气预报有许多不同的方面。 也许预测在正确的地方得到了错误的降雨强度，或其他预测得到了正确的强度组合，但在错误的位置，依此类推。
DeepMind 表示，它将释放科学已知的所有蛋白质的结构。 该公司已使用其 AlphaFold 蛋白质折叠人工智能为人类蛋白质组以及酵母、果蝇和小鼠生成结构。
DeepMind 与 Met Office 的合作 是与最终用户合作完成人工智能开发的一个很好的例子。 显然，这是一个好主意，但通常不会发生。 该团队在该项目上工作了数年，气象局专家的投入塑造了该项目。 DeepMind 的研究科学家 Suman Ravuri 说：“它以不同于我们自己的实施方式促进我们模型的发展。” “否则，我们本可以创建一个最终不会特别有用的模型。”
DeepMind 也渴望展示其 AI 具有实际应用。 对于 Shakir 来说，DGMR 和 AlphaFold 是同一个故事的一部分：该公司利用他们多年解决谜题的经验。 也许这里最重要的结论是 DeepMind 终于开始列出现实世界的科学问题。
天气预报的进展
天气预报必须得到技术发展的支持，因为我们越来越接近完全了解我们的大气如何运作。 很多时候，人类及其计算可能会犯一些常见的错误，而这些错误可以随着人工智能的发展而避免。
天气预报是人类的关键，因为我们可以利用很多 更有效的水资源，避免风暴和大雨中的一些灾难. 出于这个原因，气象学家越来越同意开发用于预测降雨的人工智能项目。
我希望通过这些信息，您可以了解有关 DeepMind 项目及其特点的更多信息。